Прикрутил к брокеру. Вполне работает.

А подробности? :)

скрипт надо ?

Ну если есть возможность..

var vosk = require("vosk");
const fs = require("fs");
const { spawn } = require("child_process");
const MODEL_PATH = "../../iobroker-data/files/vosk-model-small-ru-0.15/"
const FILE_NAME = "rtsp://10.255.200.186:554/user=admin_password=F1n0y0Eu_channel=1_stream=1.sdp?real_stream"
const SAMPLE_RATE = 16000
const BUFFER_SIZE = 4000
console.log('start');
vosk.setLogLevel(-1);
const model = new vosk.Model(MODEL_PATH);
const rec = new vosk.Recognizer({model: model, sampleRate: SAMPLE_RATE});
const ffmpeg_run = spawn('ffmpeg', ['-loglevel', 'quiet', '-i', FILE_NAME,
                        '-ar', String(SAMPLE_RATE) ,'-vn', '-ac', '1',
                        '-f', 's16le', '-bufsize', String(BUFFER_SIZE) , '-']);
ffmpeg_run.stdout.on('data', (stdout) => {
   if (rec.acceptWaveform(stdout))
       if (rec.result().text!="") { log(rec.result().text);
       setState('text2command.0.text',rec.result().text);}
});
onStop(function (callback) {
ffmpeg_run.kill();
rec.free();
console.log('stop');
}, 2000);

У меня звук с микрофона камеры берет.

Хочешь просто с микрофона - https://andreyv.ru/ffmpeg-zapis-zvuka-s-mikrofona.html

Не знаю чего он будет есть на малинах, но у меня меньше процента CPU жрет, и прекрасно работает.

Спасибо!

Офлайн работает?

Конечно

#script #voice #recognise

А можно видео? Какая задержка? Стартовая фраза нужна?

Задержки почти нет. Стартовая фраза - как сам напишешь. Я просто поток скармливаю, и результат пихаю в текст комманд.

Исправленная версия скрипта

var vosk = require("vosk");
const fs = require("fs");
const { spawn } = require("child_process");
const MODEL_PATH = "../../iobroker-data/files/vosk-model-small-ru-0.15/"
const FILE_NAME = "rtsp://10.255.200.186:554/user=admin_password=F1n0y0Eu_channel=1_stream=1.sdp?real_stream"
const SAMPLE_RATE = 16000
const BUFFER_SIZE = 4000
console.log('start');
vosk.setLogLevel(-1);
const model = new vosk.Model(MODEL_PATH);
const rec = new vosk.Recognizer({model: model, sampleRate: SAMPLE_RATE});
const ffmpeg_run = spawn('ffmpeg', ['-loglevel', 'quiet', '-i', FILE_NAME,
                        '-ar', String(SAMPLE_RATE) ,'-vn', '-ac', '1',
                        '-f', 's16le', '-bufsize', String(BUFFER_SIZE) , '-']);
ffmpeg_run.stdout.on('data', (stdout) => {
   if (rec.acceptWaveform(stdout))
       var res=rec.result();
       if (!!res)
       if (res.text!="") { log(res);
       setState('text2command.0.text',res.text);}
});
onStop(function (callback) {
ffmpeg_run.kill();
rec.free();
console.log('stop');
}, 2000);

#script #voice #recognise

Теперь надо схемку на базе ESP32 и нормального MEMS микрофона, и чтобы ESP32 могла гнать поток RTP звука.

можешь это все на форуме оформить , тут потеряется . и код файлом приложи, движки часть "жрут" синтаксис

Меня на форуме нет.